Schema-SQL-Grammatik

Schema unterstützt die aufgelistete SQL-Grammatik für DDL-Workloads.

Oracle AI Data Platform Workbench unterstützt alle standardmäßigen Spark SQL-Datentypen. Weitere Informationen finden Sie unter Apache Spark-Dokumentation - Unterstützte Datentypen.

Tabelle 22-2: Liste der SQL-Grammatik für Schemas

Vorgang	Grammatik
Schema erstellen	CREATE SCHEMA [IF NOT EXISTS] catalog_name.schema_name Antwort <<SQL Command>> was successfully executed Fehler Error: <<SQL Command>> failed due to <<reason>>
Schema ändern	Schemabeschreibung ändern ALTER SCHEMA <schema-name> set dbproperties (DESCRIPTION=<property-value>) Antwort <<SQL Command>> was successfully executed Fehler Error: <<SQL Command>> failed due to <<reason>>
Schema löschen	DROP SCHEMA [ IF EXISTS ] <<schema_name>> Standardmäßig werden alle untergeordneten Objekte während des DROP-Schemas ebenfalls gelöscht
Schemas auflisten	SHOW SCHEMAS [ { FROM | IN } catalog_name ] [ [ LIKE ] regex_pattern ] Beispiele: SHOW SCHEMAS FROM defaultcatalog1 LIKE 'd*' SHOW SCHEMAS IN defaultcatalog1 LIKE 'd*' Antwort:   Schema 1 <<schema_1>> 2 <<schema_2>> 2 <<schema_3>> Fehler Error: <<SQL Command>> failed due to <<reason>>
Schema beschreiben (get-Details)	DESCRIBE SCHEMA <<catalog_name>>.<<schema_name>> DESCRIBE SCHEMA <<schema_name>> DESCRIBE SCHEMA <<schema_name>> in Catalog <<catalog_name>> Attribut Datum Katalogname Katalogname Schema Schemaname Beschreibung Schemabeschreibung Erstellt von Der Benutzer, der den Katalog erstellt hat Erstellt am Erstellungsdatum und -zeit Aktualisiert von Benutzer, der den Katalog zuletzt aktualisiert hat Aktualisiert am Datum und Uhrzeit der letzten Aktualisierung Verzeichnis Speicherort im Kataloge
Schema löschen	drop schema [ IF EXISTS ] <<schema_name>> cascade